基于好奇驱动的自监督触觉未知物体探索
机器人学
2022-04-04 v1
摘要
生物体所能展现的复杂行为，取决于其感知并有效解读周围环境复杂性的能力。相关信息常分布于多个模态之间，要求生物体除信息搜寻行为外，还具备信息同化能力。尽管生物借助多种感知模态进行决策，当前机器人却过度依赖视觉输入。本工作中，我们希望赋予机器人利用触觉（相对未被充分探索的模态）的能力。为聚焦研究，我们考察以触觉为唯一可用感知模态的场景重建问题。我们提出 Tactile SLAM (tSLAM)——它使智能体获得信息搜寻行为，并利用对常见家用物品的隐式理解来重建所探索物体的几何细节。使用拟人化的 ‘ADROIT’ 手，我们证明 tSLAM 在 6 秒交互内对复杂度各异的物体重建高度有效。我们还仅以 3D Warehouse 物体训练、在 ContactDB 物体上测试，确立了 tSLAM 的泛化性。
引用
@article{arxiv.2204.00035,
title = {Curiosity Driven Self-supervised Tactile Exploration of Unknown Objects},
author = {Yujie Lu and Jianren Wang and Vikash Kumar},
journal= {arXiv preprint arXiv:2204.00035},
year = {2022}
}
备注
9 pages, 3 figures